Original en inglés: https://argusic.com/subject/ai-goofish-monitor
ai-goofish-monitor
Sistema de monitoreo y análisis inteligente multitarea en tiempo real y programado para Xianyu, implementado con Playwright y AI, con una interfaz de usuario de administración completa. Ayuda a los usuarios a encontrar los productos que desean entre la gran cantidad de productos de Xianyu.
Funciona con mocksfuente: GitHubPythonMITcommit f85d140b6b45
Python, licencia MIT. El proyecto se describe a sí mismo como: ai, ai assistant, ai tools, automation, gemini, goofish, open source y openai.
ai-goofish-monitor funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 4 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Python backend with 117 passing tests and API server running on port 8000; frontend Vue build blocked by Node 18.19.1 < 20.19 requirement.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- test_save_to_jsonl strict equality failed because result_storage_service decorates records with metadata fields
- test_failure_guard_auto_recovers_on_cookie_change failed due to filesystem mtime race on tmpfs
- test_frontend_build_output_path_is_consistent_across_configs failed because .dockerignore contained web-ui/dist
- Frontend build failed: Node 18.19.1 is too old for Vite 7.x (requires Node 20.19+)
- Tiempo de instalación
- 4 minutos
- De máquina en frío a terminar
- 7 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest: 117 passed, 3 skipped. uvicorn: /docs returns 200, /auth/status returns authenticated properly.
- Tokens de modelo usados
- 277.065
- Commit exacto probado
- f85d140b6b45
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
| **Unit tests** | 85/85 passed |
| **Integration tests** | 29/29 passed |
| **Standalone tests** | 3/3 passed |
| **Total test suite** | **117 passed, 3 skipped (live-only)** |
| **App launch** | uvicorn started, `/docs` → 200, `/auth/status` → 200 `{"authenticated":true}` |
| **Frontend build** | **Failed** — Node 18.19.1 is too old for Vite 7.x (requires ≥20.19) |
## Verify command
```bash
cd /work/repo && . venv/bin/activate && PYTEST_DISABLE_PLUGIN_AUTOLOAD=1 python -m pytest
# → 117 passed, 3 skipped
```
The 3 skipped tests are live smoke tests (`tests/live/test_live_smoke.py`) marked with `@pytest.mar…Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se instaló en 4 minutos, más rápido que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Se recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
- Medido 3 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ai-goofish-monitor fue el 99.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 3/3 | Funciona con mocks | 92,00 | 0,04 | |
| Argusic Runner | 2/3 | Funciona con mocks | 92,00 | 0,06 | |
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,08 |
Temas (de GitHub)
aiai-assistantai-toolsautomationgeminigoofishopen-sourceopenaiplaywrighttoolxian-yuxianyuxianyu-bot
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/ai-goofish-monitor)Preguntas
- ¿Funciona ai-goofish-monitor?
- ai-goofish-monitor funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 4 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ai-goofish-monitor?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit f85d140b6b45. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ai-goofish-monitor?
- La ejecución que produjo este veredicto costó 0,04 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ai-goofish-monitor en instalarse?
- 4 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ai-goofish-monitor una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ai-goofish-monitor?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara ai-goofish-monitor con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ai-goofish-monitor fue el 99.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de ai-goofish-monitor?
- Las 3 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.